0

我有一个假彩色图像，如下所示。我想将此图像转换为一个数组，我可以在其中为每个假色区域分配一个标签。因此，我可以仅使用该标签值访问图像。我尝试使用

 r_channel = image[:, :, 0]
    g_channel = image[:, :, 1]
    b_channel = image[:, :, 2]
    label_map = (0.2989) * (r_channel) + (0.5870) * g_channel + (0.1140) * b_channel
    label_map = label_map * 500 / 255
    label_map = np.round(label_map).astype(int)

但问题是在这种情况下我得到了重复的标签。我希望每个区域都有一个唯一的标签，最好从 1 开始按升序排列。

在此处输入图像描述

4

2 回答 2

1

给定一个值数组，其中非零值被视为“对象”，零值被视为“背景”，您可以使用scipy.ndimage.label函数标记对象：

import scipy
from scipy import ndimage
import numpy as np

fname='/tmp/splotches.png'
arr = scipy.misc.imread(fname) 
print(arr.shape)
# (160, 240, 3)

r, g, b = np.rollaxis(arr, axis = -1)
label_map = 0.2989 * r + 0.5870 * g + 0.1140 * b
label_map = label_map * 500 / 255
label_map = np.round(label_map).astype(int)
print(label_map.shape)
# (160, 240)

seen = set()
region = {}
i = 1
for val in label_map.flat:
    if val not in seen:
        seen.add(val)
        mask = (label_map == val)
        labeled, nr_objects = ndimage.label(mask) 
        for label in range(1, nr_objects+1):
            assert np.any(labeled==label)
            region[i] = labeled==label
            i += 1

print(len(region))
# 382

使用scipy.ndimage.label，找到了 382 个区域。

于 2013-03-26T12:42:03.067 回答
0

我找到了获取标签的独特方式。这就是我所做的：

    r_channel = image[:, :, 0]
    g_channel = image[:, :, 1]
    b_channel = image[:, :, 2]
    label_map = 1000000 * (r_channel) + 1000 * g_channel + b_channel
    label_map = np.round(label_map).astype(int)

因此，现在我得到了每个超像素区域的唯一标签。

于 2013-03-27T10:31:49.950 回答